洪晓斌_教师主页

教师主页移动版

主页 > 广东省 > 华南理工大学

洪晓斌

更新日期:2023年2月23日 姓 名 洪晓斌 性 别 男 出生年月 1979年7月 籍贯 广东省揭阳市 民 族 汉族 政治面貌 中国共产党党员 最后学历 博士研究生 最后学位 工学博士 技术职称 教授 导师类别 博、硕导 行政职务 副院长 Email mexbhong@scut.edu.cn 工作单位 机械与汽车工程学院 邮政编码 510641 通讯地址 广州市天河区五山路381号 单位电话 个人简介 2007 年获得华南理工大学机械与电子工程专业工学博士学位,2012年5月~2013年5月国家公派美国休斯敦大学访问学者。2009年起任副研究员\副教授,2014年晋升教授,2015年被批准为博士生导师。现任机械与汽车工程学院副院长,兼任全国高校机械工程测试技术研究会中南分会副理事长、广东省智能无人船与系统工程技术研究中心主任、广东无人船系统测试与应用联合推广中心负责人、广州市创新智能无人船技术研究院院长、广州市智能无人船产学研技术创新联盟秘书长、广东省无人技术标准化委员会副秘书长、广东省无损检测技术标准化委员会副秘书长等。      近年来主持包括国家重点研发计划项目(课题)、国家自然科学基金、广东省重点研发专项项目、广东省杰出青年科学基金、国家中小型企业创新基金项目、粤港关键领域重点项目、省部产学研项目、教育部博士点新教师基金、广州市重大科技项目等纵向项目30多项及企业委托横向项目10多项;在国外刊物MSSP、SMS、IEEE Journal of Sensors、SSS、Measurement及国内 “光学精密工程”、“应用基础与工程科学学报”、“华南理工大学学报自然科学版”等期刊发表SCI、EI收录学术论文80多篇;获授权发明专利30多项。      近年来相关科研成果以第一完成人获2022年广东省科技进步一等奖、2022年机械工业科学技术奖一等奖、2022年广东省机械工程学会特等奖、2020年中国专利优秀奖、2022年广东省专利优秀奖、2018年广东省科技进步二等奖等。 研究领域 长期主要致力于无人智能装备、网络化测控技术、无损检测技术、仪器仪表技术、智能感知技术等方面的研究,主要研究方向有:(1)基于人工智能的无人化智能测控技术及应用;(2)新型无损检测技术与装备;(3)结构健康监测技术及应用;(4)仪器仪表工程与智能传感器;(5)无人智能装备与智能结构。 发表论文 近几年发表国外期刊主要论文: [1] Zhou J, Lin J, Hong X*, Yang D. Cross sparse representation based on dispersion dictionary for ultrasonic guided wave to messenger cable damage decoction in cladding zone[J]. Structural Health Monitoring, 2023: 14759217221140971.(SCI/EI) [2] Hong X, Lin J, Zhou J*, Yang D. Array ultrasonic guided wave spiral focusing detection method for inner damage of messenger cable in covered area[J]. Mechanical Systems and Signal Processing, 2023, 188: 109977.(SCI/EI) [3] Liu Y, Hong X*, Zhang B. Contact Delamination Detection of Anisotropic Composite Plates Using Non-Elliptical Probability Imaging of Nonlinear Ultrasonic Guided Waves[J]. Structural Health Monitoring, 22(1): 276-295.(SCI/EI) [4] Zhang B, Yang D, Hong X*, Jin G. Deep Emulational Semi-supervised Knowledge Probability Imaging Method for Plate Structural Health Monitoring Using Guided Waves[J].Engineering with Computers, 2022, doi:10.1007/s00366-022-01711-9(SCI/EI)   [5] Huang L, Hong X*, Yang Z, et al. CNN-LSTM network-based damage detection approach for copper pipeline using laser ultrasonic scanning[J]. Ultrasonics, 2022: 106685. (SCI/EI) [6] Hong X, Huang L, Liufu Y, et al. Laser ultrasonic scanning damage detection for copper pipeline using blind compressive sensing and adjacent area difference coefficient[J]. Meas. Sci. Technol, 2022, 33(6): 065202.(SCI/EI)   [7] Hong X, Zhang B, Liu Y, Qi H, Li W*. Deep‐learning‐based guided wave detection for liquidlevel state in porcelain bushing type terminal[J]. Structural Control and Health Monitoring, 2021, 28(1): e2651. (SCI/EI) [8] Hong X, Huang L, Gong S, Xiao G*. Shedding Damage Detection of Metal Underwater Pipeline External Anticorrosive Coating by Ultrasonic Imaging Based on HOG+ SVM[J]. Journal of Marine Science and Engineering, 2021, 9(4): 364. (SCI) [9] Zhang B, Hong X*, Liu Y. Distribution adaptation deep transfer learning method for crossstructure health monitoring using guided waves[J]. Structural Health Monitoring, 2021: 14759217211010709. (SCI/EI) [10] Liu Y, Hong X*, Zhang B. A Novel Velocity Anisotropy Probability Imaging Method Using Ultrasonic Guided Waves for Composite Plates[J]. Measurement, 2020,166(12): 1–12. (SCI/EI) [11] Zhang B, Hong X*, Liu Y. Multi-Task Deep Transfer Learning Method for Guided Wave-Based Integrated Health Monitoring Using Piezoelectric Transducers[J]. IEEE Sensors Journal. 2020, 47:225–233. (SCI/EI) [12] Hong X*, Zhou J, He Y. Damage Detection of Anchored Region on The Messenger Cable Using Chain Piezoceramic Transducers [J].Mechanical System and Signal Processing,2019,130: 221–247. (SCI) [13] Hong X, Zhang B, Liu Y, Zhou Z, Ye M*, Qi H. Liquid level detection in porcelain bushing type terminals using piezoelectric transducers based on auto-encoder networks [J]. Measurement, 2019,(141):12–23. (SCI/EI) [14] Xiaobin Hong, Yuan Liu, Yonghong Liufu and Peisong Lin.Debonding Detection in Hidden Frame Supported Glass Curtain Walls Using the Nonlinear Ultrasonic Modulation Method with Piezoceramic Transducers[J]. Sensors, 2018, 18;1-18(SCI/EI收录) [15] Xiaobin Hong, Yuan Liu, Peisong Lin, Weiying Xu. Interfacial adhesion strength detection of structural silicone sealant for hidden frame supported glass curtain wall based on nonlinear ultrasonic lamb wave[J]. Journal of Aerospace Engineering,2018,31(5);1-12(SCI/EI收录) [16] Xiaobin Hong,Xiaohui Lin, Bo Yang, et al. Crack Detection in Plastic Pipe Using Piezoelectric Transducers based on Nonlinear Ultrasonic Modulation[J]. Smart Materials and Structures, Vol.26, No.2 (2017) 1-19(SCI/EI收录) [17] Xiaobin Hong, Jianxi Zhou, Guojian Huang, et al. Synergetic Damage Recognition Approach for Messenger Wire in Icing Environment Using Piezoceramic Transducers[J]. MEASUREMENT, Vol.14, No.6 (2017) 10-27(SCI/EI收录) [18] Xiaobin Hong, Jianxi Zhou, Peisong Lin,et al. An Imaging Method for the Covered Damage Region of Strand Wire Based on Dual Time Reversal Using Piezoceramic Transducers[J]. Smart Materials and Structures, Vol.26, No.6 (2017) 20-42(SCI/EI收录) [19] Xiaobin Hong, Jiaobiao Ruan, Guixiong Liu, et al. Synergetics based damage detection of frame structures using piezoceramic patches[J].Smart Structures and Systems,An Internatinal Journal, Vol.17, No.2 (2016) 167-194(SCI收录) [20] Xiaobin Hong, Nianzhi Li, Qingzhao Kong ,et al. Local cell temperature monitoring for aluminum shell lithium-ion battery based on electrical resistance tomography[J]. MEASUREMENT, Vol.13, No.2 (2016) 1-13(SCI/EI收录) [21] Xiaobin Hong, Gangbing Song, Jiaobiao Ruan, et al. Active monitoring of pipeline tapered thread connection based on time reversal using piezoceramic transducers[J].Smart Structures and Systems, An Internatinal Journal, Vol.18,No.4(2016)643-662(SCI收录) [22] Xiaobin Hong,Han Wang, Tao Wang, et al. Dynamic cooperative identification based on synergetics for pipe structural health monitoring with piezoceramic transducers[J].Smart Materials and Structures, Vol.22, No.4 (2013) 1-13(SCI/EI收录) 出版专著和教材 1. 专著《稀数据下结构健康状态超声导波监测技术》 2. 专著《多层绞线结构损伤阵列超声导波螺旋聚焦成像检测技术》 3. 教材《微机原理及应用—PIC系列单片机》 教学活动 负责研究生课程:《无损检测技术》、《仪器可靠性工程》负责本科生课程:《PIC单片机技术》 指导学生情况 目前指导博士后、博士研究生、全日制硕士研究生64人,已毕业44人。